Разработка системы распознавания графических ценовых паттернов с применением методов машинного обучения

Данная работа посвящена решению актуальной задачи разработки системы распознавания похожих графических ценовых паттернов с целью сравнения и последующего предсказания динамики изменения стоимости акций компаний. Актуальность задачи определяется ростом числа как институциональных, так и частных инвесторов, что в свою очередь увеличивает объем рынка и сложность его анализа. В ходе аналитического обзора литературы было выявлено, что данное направление исследований представляет существенный научный интерес для специалистов в сфере машинного обучения и обработки больших данных. С целью подготовки тестовых данных была выполнена предварительная обработка биржевых котировок, полученных из открытых источников, в частности осуществлён отбор наиболее важных информативных признаков. Предложен подход к решению задачи сравнения и нахождения похожих ценовых графиков с применением различных метрик, в том числе коэффициента корреляции Пирсона и коэффициента детерминации. Построен прототип программы, реализующий на истории попарное сравнение биржевых котировок различных акций с целью поиска совпадающих графиков. Проведены экспериментальные исследования, которые показали перспективность предложенного подхода и возможность его применения для принятия финансовых решений.

Development of price pattern recognition system using machine learning methods

This work is devoted to solving the urgent problem of developing a system for recognizing similar graphic price patterns in order to compare and then predict the dynamics of changes in the value of companies' shares. The relevance of the problem is determined by the growth in the number of both institutional and private investors, which in turn increases the volume of the market and the complexity of its analysis. In the course of an analytical review of the literature, it was revealed that this area of research is of significant scientific interest for specialists in the field of machine learning and big data processing. In order to prepare test data, preliminary processing of exchange quotes obtained from open sources was carried out, in particular, the selection of the most important informative features was carried out. An approach to solving the problem of comparing and finding similar price charts using various metrics, including the Pearson correlation coefficient and the determination coefficient, is proposed. A prototype of the program has been built that implements a pairwise comparison of exchange quotes of various shares on the history in order to find matching charts. Experimental studies have been carried out, which have shown the prospects of the proposed approach and the possibility of its application for making financial decisions.